ES
Un método separa la interacción de su referencia
Baseline and Incremental: User, Item, and Request Debiasing in Instagram Feed Ranking · arXiv:2610.27423
En palabras sencillas
Una puntuación que ordena el Feed combina predicciones sobre acciones como dar «me gusta» y pasar tiempo. El artículo propone un método que conserva cada predicción y añade una estimación con peso independiente de cuánto supera un candidato una referencia del espectador, del elemento o de la solicitud.
En pruebas en vivo de seis términos del Feed, la puntuación combinada tuvo estimaciones puntuales mayores que las de cada término por separado en 11 de 13 comparaciones evaluadas. Esto respalda conservar ambos con los pesos probados, aunque en una comparación de impresiones la puntuación combinada salió peor.
La investigación
Cuando una puntuación del Feed predice los «me gusta», ¿cuánto refleja una publicación concreta y cuánto los gustos habituales del espectador?
Si la puntuación mezcla ambas cosas, ¿debería la clasificación eliminar la referencia del espectador o conservarla como una señal separada cuyo peso pueda ajustarse?
El artículo añade una estimación con peso independiente del aporte de un candidato por encima de una referencia y conserva su predicción original de interacción.
El artículo pregunta cómo debería manejar una puntuación de clasificación del Feed una predicción de interacción que refleja tanto al candidato como una referencia, por ejemplo, la conducta habitual del espectador. Su método conserva la predicción original y añade una estimación con peso independiente de cuánto supera el candidato una referencia del espectador, del elemento o de la solicitud.
En pruebas en vivo de cuatro grupos con seis términos implementados del Feed, la puntuación combinada tuvo estimaciones puntuales mayores que las de cada término por separado en 11 de los 13 pares de término y métrica evaluados; 17 de las 26 comparaciones directas favorecieron significativamente a ambos términos y una los desfavoreció de forma significativa.
Como estas comparaciones probaron cada término con pesos de producción, respaldan la conclusión de que, en general, ninguno era redundante en ese punto operativo probado.
Los seis términos probados son una serie de casos, no una muestra representativa, y el estudio no establece un vínculo general entre el diagnóstico sin conexión y los resultados en línea.
La prueba de ablación evalúa los pesos implementados; no muestra si un modelo reajustado con un solo término podría igualar la puntuación combinada.
Qué muestran las pruebas
- Una puntuación mezcla dos señales
El artículo presenta un método de puntuación para modelos de valor del Feed de Instagram, que combinan predicciones de interacción para ordenar candidatos. El problema de partida es que una predicción puede reflejar tanto el aporte de un candidato como una referencia, por ejemplo, la tasa habitual de «me gusta» de un espectador.
En el ejemplo del Feed, la correlación de rangos entre la predicción de «me gusta» y esa tasa del espectador fue de 0,69, lo que sugiere que la puntuación refleja más que el aporte de un candidato concreto.
- Mantener ambas partes ajustables
El método conserva la predicción original y asigna un peso separado a un término incremental: una estimación de cuánto supera el candidato una referencia del espectador, del elemento o de la solicitud. Esas referencias representan cantidades distintas.
Las del espectador son promedios históricos; las del elemento pueden ser tasas históricas de popularidad o atributos estructurales del tipo de contenido multimedia, mientras que las de la solicitud proceden del conjunto actual de candidatos.
Un procedimiento de diseño selecciona la referencia y su forma, y determina si el cambio se aplica a la puntuación o a la etiqueta usada durante el entrenamiento.
- Probar los términos en vivo
El diagnóstico sin conexión comprueba si una predicción sigue una referencia, pero los autores lo consideran un filtro para seleccionar señales que probar, no una forma de predecir cuáles tendrán éxito. Después probaron seis términos implementados en experimentos aleatorizados independientes con tráfico real del Feed.
Cada experimento comparó no usar ningún término, usar solo el original, usar solo el incremental y usar ambos, con los términos incluidos en sus pesos de producción. Esta comparación directa pregunta si alguno es redundante en la configuración implementada.
- El resultado tiene una excepción
En 11 de 13 pares de término y métrica preseleccionados, las estimaciones puntuales de ambos términos fueron mayores que las de cada término por separado. De las 26 comparaciones directas, 17 favorecieron significativamente a ambos y una los desfavoreció de forma significativa.
Una excepción fue el término de elemento de MainRank basado en el logaritmo del tiempo de uso: el grupo con ambos quedó por debajo del grupo con solo el incremental en impresiones, aunque superó a cada grupo con un solo término en tiempo de uso del Feed.
Los resultados respaldan usar pesos separados en las configuraciones probadas, con compensaciones que dependen de la métrica.
- La conclusión tiene límites
La evidencia abarca seis términos del Feed que los autores tratan como una serie de casos, así que no permite establecer cómo predice el diagnóstico los resultados en línea para otros términos. La ablación tampoco responde si un modelo reajustado con un solo término podría igualar al combinado.
El artículo menciona algunos resultados del lanzamiento en Reels para mostrar el alcance de la implementación, pero esos resultados no son un nuevo análisis de la ablación del Feed.
Detalles
- Autores del paper original
- Hsin-Chiang Chen, Hao Wang, Gedi Zhou, Mingze Gao, Abhishek Kumar
- Enviado a arXiv
- Licencia
- arXiv non-exclusive